买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：太原理工大学

摘要：本发明公开了一种超薄铌带力学性能预测方法，属于超薄铌带综合品质控制技术领域。本发明通过对轧制过程数据的采集与处理，结合微观组织变化机理，建立“工艺‑组织‑性能”数据集。然后采用人工智能建模方法中的集成学习方法来建立超薄铌带力学性能高精度预测模型，实现超薄铌带力学性能的精准预测，为轧制生产尺寸精度高、综合性能好的超薄铌带奠定理论基础和科学依据。

主权项：1.一种超薄铌带力学性能预测方法，其特征在于：包括以下步骤：步骤1：在超薄铌带轧制生产过程中，通过相应传感器分层别采集生产过程工艺数据，将工艺数据进行存储；步骤2：对制备的各层别超薄铌带进行微观组织形态参数测定，将测定的微观组织变化机理表征数据进行存储；步骤3：对制备的各层别超薄铌带进行力学性能测定，将测定的力学性能数据进行存储；步骤4：将轧制过程中采集得到的工艺数据、微观组织变化机理表征数据、力学性能数据按照样本序号进行一一对应，经过规范化处理后，以统一的格式存入MicrosoftSQLServer数据库中，形成具有p个特征变量的q个样本的原始数据集Dl；步骤5：将原始数据集Dl进行数据预处理，形成P个特征变量的Q个样本的建模数据集，将建模数据集按照一定比例划分成训练集和测试集；步骤6：采用集成学习算法建立机理和数据驱动的超薄铌带力学性能预测模型，训练集数据进行建模训练，测试集数据测试所建立模型的预测精度；采用决定系数R2，平均绝对误差MAE，平均绝对百分误差MAPE，均方根误差RMSE来评价超薄铌带力学性能预测模型的整体性能；所述步骤5中对原始数据集Dl进行数据预处理的具体步骤为：步骤5.1：进行密度峰值聚类；将轧制工艺相近的样本数据并归为一类；步骤5.2：在大聚类内分别进行离群样本检测；拟采用基于欧式距离的离群样本检测方法判定样本是否离群，以决定是否剔除；步骤5.3：对原始数据集进行均衡化处理；采取逆向处理的方式，即通过增加数据较少超薄铌带规格的采样来确保数据均衡，即将频数较少的数据进行复制扩展，以增加该种规格数据的比例；所述步骤6采用集成学习算法建立机理和数据驱动的超薄铌带力学性能预测模型的具体步骤为：步骤6.1：在训练集上重新进行峰值密度聚类，形成m个样本子集；步骤6.2：建立每个子集与训练样本数据之间的一一对应关系并训练GPR模型，获得m个GPR子模型的预测误差RMSE，根据预测的准确程度对子模型权重进行分配，使更准确的子模型获得更多权重；子模型权重wi的计算公式为： 其中，wi为各子模型的权重，RMSEi为各子模型RMSE误差值；步骤6.3：通过选择的子模型和权值进行融合组成加权集成学习预测模型，将测试样本输入预测模型最终得到超薄铌带力学性能的预测结果；预测结果可表示为其中为最终集成模型预测值；为第i个子模型的预测值。

全文数据：

权利要求：

百度查询： 太原理工大学 一种超薄铌带力学性能预测方法